近期国外大科技公司工程文摘
内容提要
近期国外大科技公司发布了一系列重要的工程文摘，包括Meta发布的最有能力的公开大模型介绍，Netflix的视频编码Cosmos微服务，Doordash的产品知识图谱构建经验，Booking在Google Cloud上采用Airflow的经验教训，以及Canva的内容使用计数服务、ASOS的推荐转型和Expedia的系统设计中代码级可扩展性的本质。
延伸解读
大模型落地的两种路径
Meta的Llama 3强调模型能力与多平台部署，而DoorDash则用大模型从非结构化SKU数据中提取产品属性，改善购物体验。两者展示了当前大模型应用的两个方向：一是追求通用能力与广泛可用性，二是针对垂直场景做数据标准化与知识构建。读者可关注后者如何将模型能力转化为具体业务价值。
架构演进中的务实取舍
Canva的内容计数服务从MySQL起步，尝试迁移到DynamoDB后决定不继续，最终转向OLAP数据库。Booking在迁移Airflow到GCP时，通过本地环境模拟生产、调整celery参数、用Dataproc处理重任务来平衡性能与成本。这些案例说明，架构决策往往不是追求最新技术，而是基于实际约束的持续调整。
推荐系统与搜索的工程创新
ASOS将Transformer用于时尚推荐，利用自注意力和位置意识捕捉客户风格与交互顺序，评估指标提升20%。Netflix在联合图中实现反向搜索，用Elasticsearch的percolator字段支持电影分类和工作流分配。两者都体现了将成熟技术（Transformer、Elasticsearch）创造性地应用于新问题，从而提升系统效果。
代码级可扩展性不容忽视
Expedia的文章指出，代码库的复杂性真正决定系统的适应性、可扩展性和可持续性。即使高层设计出色，如果底层代码缺乏可扩展性，系统也难以适应新用例。这提醒工程团队，在关注架构趋势的同时，必须重视代码质量与可维护性，因为它们是系统长期演进的基础。
Q&A
Meta发布的Llama 3模型有什么特点？
Llama 3是Meta发布的最有能力的公开大模型，具有8B和70B参数，支持在多个主要平台上部署。
Canva是如何构建内容使用计数服务的？
Canva通过引入OLAP数据库和演变架构，构建了可扩展的内容使用计数服务，并面临数据迁移和架构变更的挑战。
Netflix的Cosmos微服务有哪些层次结构？
Netflix的Cosmos微服务分为API层、工作流层和计算层，强调短发布周期和自动化部署。
DoorDash如何利用大型语言模型改善客户体验？
DoorDash使用大型语言模型从非结构化数据中提取产品属性，标准化和丰富零售目录，从而改善客户购物体验。
ASOS的推荐系统是如何利用Transformer技术的？
ASOS的推荐系统应用Transformer技术，通过自我注意力和位置意识捕捉客户风格和互动，提升推荐性能。
Expedia在系统设计中强调了什么？
Expedia强调代码库的复杂性决定了系统的适应性、可扩展性和可持续性，设计与代码的和谐结合至关重要。
